基于神经网络的温室小气候的建模研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

研究意义：

随着科学技术的不断发展，设施农业已经成为农业现代化一个重要标志。现代温室是设施农业最基本的技术实现形式之一。它能够在多变的自然条件下为作物生长创造一个适宜的环境，从而缩短作物的周期，同时实现作物的高产出、高品质、高效率等目标，因而越来越引起人们的关注[1]。

温室作物的生长发育主要取决于遗传和环境两大因素，遗传决定作物生长发育的潜力，而环境则决定这种潜力可能实现的程度。因此适宜的温室环境尤其重要，其中影响作物生长发育的主要环境因子有光照、温度、湿度和二氧化碳浓度[2]。这些温室环境因子，一方面它们在相互关联中对作物产生影响；另一方面它们也和外界的气候条件、人为的环境调节措施发生着密切的作用；另外，各个环境因子的时间和空间变化都是很复杂的。如果要对这些环境因子进行综合控制，以创造作物生长发育的最适宜气候条件，实现作物的增产、稳产，这就需要建立温室小气候模型。

2. 研究的基本内容和问题

研究目标：

本课题将研究如何利用matlab建立几种不同类型的神经网络，然后利用大量训练样本对神经网络进行训练，同时把训练得到的神经网络作为预测模型，为温室的模型预测控制奠定基础。

研究内容：

3. 研究的方法与方案

研究方法：

由于建立神经网络可能有三种方法，即分别利用bp算法，ibp算法，ga算法建立神经网络模型。而本课题将研究基于上述三种方法的神经网络建模，因此要深入了解这三种算法。在此基础上，将研究如何利用matlab建立三种不同类型的神经网络模型，然后利用大量数据样本对神经网络进行训练，同时把训练的神经网络作为预测模型，为温室的模型预测控制奠定基础。

技术路线：

4. 研究创新点

本课题的特色之处在于利用了Matlab建立了不同类型的神经网络，并利用了大量的数据训练神经网络，同时把训练出来的神经网络作为预测模型，为温室的模型预测控制奠定基础。

5. 研究计划与进展

研究计划及预期进展

2月1日--2月25日：学习三种算法以及matlab的建模方法。

2月25日--3月30日：利用matlab分别建立三种算法的神经网络模型。